一、题目描述
字母异位词：指字母相同，但排列不同的字符串。比如 "eat"、"tea"、"ate" 就是字母异位词。
目标：将字母异位词分组在一起。
二、解题思路
我们可以用字符计数的方法：
-
使用26位数组 统计每个单词的字母频次
-
将频次数组转换为字符串作为哈希表键
-
将原始单词存储为对应键的值
-
相同频次的单词自动归类到同一分组
三、完整代码
class Solution {
public:
vector<vector<string>> groupAnagrams(vector<string>& strs) {
unordered_map <string,vector<string>> map;
for(string str:strs){
int num[26]={0};
for(char s:str){
num[s-'a']++;
}
string key="";
for(int i=0;i<26;i++){
key=key+to_string(num[i])+",";
}
map[key].push_back(str);
}
vector<vector<string>> result;
for(auto r:map){
result.push_back(r.second);
}
return result;
}
};
四、代码解析
1. 哈希表定义
unordered_map<string, vector<string>> map;
-
键string：一个用于记录字幕出现频率的字符串
-
值vector<string>（n个字符串）：对应的字母异位词分组
2. 字符计数
vector<int> count(26, 0);
for (char c : str) {
count[c - 'a']++;
}
创建26位数组，统计每个字母出现次数。
3. 生成键
for(int i=0;i<26;i++){
key=key+to_string(num[i])+",";
}
将计数数组转换为哈希表的键Key。
4. 分组存储
map[key].push_back(str);
将当前字符串添加到对应分组。
5. 提取结果
vector<vector<string>> result;
for (auto& pair : map) {
result.push_back(pair.second);
}
二维数组的结构：
-
外层
vector包含所有字母异位词分组 -
每个内层
vector<string>是一个具体的分组，包含所有互为字母异位词的字符串
遍历哈希表时，会同时遍历键和值，pair.first=key , pair.second=value
结果如下
result = [
"eat", "tea", "ate"\], // 第一个分组 \["tan", "nat"\], // 第二个分组 \["bat"\] // 第三个分组
五、语法要点
1. vector使用
vector<string> array; // 字符串数组
array.push_back(value); // 添加元素
vector<int> count(26, 0); // 创建26个0的数组
2. unordered_map使用
unordered_map<string, vector<string>> map;
map[key] = value; // 设置键值对
map[key].push_back(value); // 向值中添加元素
3. 范围循环
&的作用：
-
不加
&：按值传递，每次循环都会创建元素的副本（性能差） -
加
&：按引用传递，直接操作原数据（性能好）
const的作用：
-
不加
const：可以修改原数据 -
加
const：只读访问，不能修改原数据
实际使用场景：
-
for (const auto& x : container)：只读访问容器元素 -
for (auto& x : container)：需要修改容器元素时使用 -
for (auto x : container)：避免使用，性能差
六、执行示例
输入：["eat", "tea", "tan"]
-
"eat" → 键：
"1，0，0，0，1，0，..."→ 分组：{"eat"} -
"tea" → 相同键 → 分组：
{"eat", "tea"} -
"tan" → 新键 → 分组：
{"tan"}
结果：[["eat","tea"],["tan"]]
总结
本文介绍了将字母异位词分组的算法解决方案。通过统计每个单词的字母频次，将频次数组转换为字符串作为哈希表键，实现相同字母组成的单词自动归类。代码使用unordered_map存储分组，其中键为字母频次字符串，值为对应分组的单词集合。算法首先计算每个单词的26位字母计数，生成唯一键值，然后将单词存入对应分组，最后提取所有分组作为结果输出。该方法时间复杂度为O(n*m)，其中n为单词数量，m为单词平均长度。